L'analisi basata sulla rete rivela la connettività funzionale legata alla tendenza alla dipendenza da Internet (2016)

Front Hum Neurosci. 2016; 10: 6.

Pubblicato online 2016 Feb 1. doi: 10.3389 / fnhum.2016.00006

PMCID: PMC4740778

Tanya Wen^1,^2,^* ed Shulan Hsieh^1,^3,^4,^*

Informazioni sull'autore ► Note d'articolo ► Informazioni sul copyright e sulla licenza ►

Astratto

La preoccupazione e l'uso compulsivo di Internet possono avere effetti psicologici negativi, tali da essere sempre più riconosciuti come disturbo mentale. Il presente studio ha utilizzato statistiche basate sulla rete per esplorare come le connessioni funzionali dell'intero cervello a riposo siano correlate al livello del livello individuale di dipendenza da internet, indicizzato da un questionario auto-valutato. Abbiamo identificato due reti topologicamente significative, una con connessioni che sono positivamente correlate con la tendenza alla dipendenza da Internet e una con connessioni negativamente correlate con la tendenza alla dipendenza da Internet. Le due reti sono interconnesse per lo più in regioni frontali, che potrebbero riflettere alterazioni nella regione frontale per diversi aspetti del controllo cognitivo (per esempio, per il controllo dell'uso di Internet e delle abilità di gioco). Successivamente, abbiamo suddiviso il cervello in diversi sottogruppi regionali di grandi dimensioni e abbiamo riscontrato che la maggior parte delle proporzioni delle connessioni nelle due reti corrispondono al modello cerebellare della dipendenza che comprende il modello a quattro circuiti.

Infine, abbiamo osservato che le regioni del cervello con la maggior parte delle connessioni interregionali associate alla tendenza alla dipendenza da Internet riproducono quelle spesso viste nella letteratura sulle dipendenze, ed è corroborata dalla nostra meta-analisi degli studi di dipendenza da internet. Questa ricerca fornisce una migliore comprensione delle reti su larga scala coinvolte nella tendenza alla dipendenza da Internet e mostra che i livelli preclinici della dipendenza da internet sono associati a regioni e connessioni simili a casi clinici di dipendenza.

parole chiave: dipendenza da Internet, statistiche basate sulla rete, connettività funzionale, stato di riposo, meta-analisi

Introduzione

Dipendenza da Internet (OReilly, 1996; Giovane, 1998) è un fenomeno moderno caratterizzato da preoccupazione e uso compulsivo di Internet. In particolare, il disturbo da gioco su Internet (IGD) è stato elencato nella Sezione III del manuale diagnostico e statistico versione 5 (DSM-5^®, American Psychiatric Association [APA], 2013). A causa della mancanza di un criterio standard, alcuni studi hanno trattato le due terminologie come sinonimi (cfr Petry e O'Brien, 2013; Petry et al., 2014 per una discussione); tuttavia, l'uso compulsivo ed eccessivo di internet per qualsiasi attività (cui faremo riferimento in questa letteratura come dipendenza da Internet) è più globale del suo sottotipo IGD, che può includere più forme di utilizzo di Internet oltre al gioco online (Griffiths e Pontes, 2014; Király et al., 2014; Petry et al., 2014). Il nostro attuale studio indaga la dipendenza da Internet nella forma più generale. Simile ai disturbi da uso di sostanze, la dipendenza da Internet mostra sintomi di astinenza, tolleranza, perdita di controllo e problemi psicosociali, portando a disagio clinicamente significativo o compromissione del funzionamento quotidiano. La prevalenza sembra essere il più alto nei paesi asiatici e negli adolescenti maschi, e si stima che vada da 14.1 a 16.5% (intervallo di confidenza percentuale 95) tra gli studenti universitari di Taiwan in uno studio (Lin et al., 2011). Il fenomeno ha attirato più attenzione negli ultimi anni e merita chiaramente ulteriori ricerche.

La risonanza magnetica funzionale (fMRI) è stata impiegata per identificare i substrati neurali della dipendenza da Internet, che si è rivelato mostrare firme cerebrali simili con dipendenze legate alla sostanza (Kuss e Griffiths, 2012; Brand et al., 2014; Meng et al., 2015). Negli studi bloccati e relativi agli eventi, diverse regioni associate a ricompensa, dipendenza e brama sono state identificate facendo riferimento a segnali di gioco su Internet con baseline, che comprendono l'insula, il nucleo accumbens (NAc), la corteccia prefrontale dorsolaterale (DLPFC) e il frontale orbitale corteccia (OFC) (Hoeft et al., 2008; Ko et al., 2009; Han et al., 2010; Sun et al., 2012; Ko et al., 2013). Tuttavia, gli approcci basati sull'attivazione contrastano l'attività legata alla cue e non affrontano il modo in cui le regioni del cervello interagiscono, e quindi non possono caratterizzare connessioni funzionali alterate associate a misure cliniche o comportamentali; tuttavia i disturbi umani sono il risultato di disturbi in un sistema complesso interconnesso (Fornito e Bullmore, 2015). L'introduzione della fMRI a riposo ha dimostrato di essere un potente strumento per studiare la connettività neurale cerebrale completa (van den Heuvel e Pol, 2010). La connettività funzionale allo stato di riposo è valutata dalla correlazione delle fluttuazioni spontanee dei segnali dipendenti dal livello di ossigeno nel sangue (BOLD) in diverse regioni del cervello e si ritiene che fornisca una misura della sua organizzazione funzionale e possa aiutare a caratterizzare le sincronizzazioni anomale tra regioni cerebrali nello spettro dei fenotipi psicologici (Biswal et al., 2010; Craddock et al., 2013).

Sebbene ci siano stati studi che hanno utilizzato la connettività funzionale per indagare la connettività funzionale alterata associata alla dipendenza da Internet, la maggior parte degli studi ha utilizzato regioni seme scelte a priori, o (a) correlando una regione seme con i voxel rimanenti dell'intero cervello [Hoeft et al., 2008 usato il NAc; Lorenz et al., 2013 usato il giro frontale inferiore destro (IFG); Ding et al., 2013 usato la corteccia cingolata posteriore (PCC); Ko et al., 2015 usato l'amigdala; Zhang et al., 2015 usato l'insula; Hong et al., 2015 usato il nucleo caudato e il putamen; Kühn e Gallinat, 2015 usato il palo frontale destro; Li et al., 2015 usato il DLPFC corretto] o (b) eseguendo correlazioni tra più ROI predefiniti selezionati da reti significative (Yuan et al., 2015 esaminato la rete centrale esecutiva e la rete di salienza; Dong et al., 2015b esaminato la rete di controllo esecutivo; Dong et al., 2015a esaminato la rete di controllo esecutivo e premiare la rete; Li et al., 2014 esaminato la rete di inibizione della risposta; Lin et al., 2015 esaminato sei ROI corticostriatali bilaterali predefiniti). Le regioni di seme pre-definite esaminate rappresentano solo una piccola parte del cervello, quindi potrebbero non essere in grado di fornire un quadro completo di come il connettoma sia influenzato dalla dipendenza da Internet.

Pochissimi studi hanno utilizzato un approccio interamente cerebrale per studiare la dipendenza da Internet. A nostra conoscenza, attualmente ci sono solo quattro articoli pubblicati che adottano un approccio a tutto cervello e i loro metodi sono piuttosto variabili, che vanno dalle statistiche basate sulla rete (NBS; Hong et al., 2013) a topologico (Hong et al., 2013; Wee et al., 2014; Park et al., 2015) a una connettività omotopica voxel-mirror sviluppata in modo novello (Wang et al., 2015). In particolare, Hong et al. (2013) impiegato NBS per identificare le differenze tra i gruppi nella connettività funzionale interregionale e ha riscontrato connessioni compromesse coinvolte nei circuiti cortico-sottocorticali nei pazienti con dipendenza da Internet. Tuttavia, il loro studio si è concentrato su un campione di dimensioni ridotte di una popolazione unica (primi adolescenti maschi).

Pertanto, nel nostro documento attuale, abbiamo deciso di utilizzare un approccio di connettività whole-brain, NBS (Zalesky et al., 2010a; Han et al., 2013), per identificare le connessioni funzionali che sono predittive della tendenza alla dipendenza da Internet. NBS è un metodo statistico convalidato per affrontare il problema di confronti multipli su un grafico, è analogo ai metodi basati su cluster (Nichols e Holmes, 2002), e viene utilizzato per identificare connessioni e reti che comprendono il connettoma umano associato a un effetto sperimentale o una differenza tra gruppi testando l'ipotesi indipendentemente a ogni connessione. I nostri risultati saranno inoltre confrontati con una meta-analisi di articoli esistenti relativi ai correlati neurali della dipendenza da Internet. Speriamo di estendere la letteratura esistente in diversi modi: (1) Speriamo di fornire un quadro più completo della dipendenza da Internet utilizzando l'analisi del cervello intero invece di utilizzare solo un piccolo numero di regioni di seme predefinite. (2) Sebbene esista un paio di studi di connettività funzionale interamente cerebrali sulla dipendenza da Internet (ad es. Hong et al., 2013; Wang et al., 2015), gli studi hanno confrontato i gruppi di dipendenza da Internet con controlli sani. Il nostro studio non ha coinvolto alcun paziente clinico, ma ha caratterizzato la tendenza di dipendenza da Internet come un gradiente. Speriamo di identificare connessioni funzionali la cui forza è modulata dal livello di dipendenza. (3) La maggior parte degli studi sulla dipendenza da Internet non ha preso in considerazione il cervelletto, tuttavia il cervelletto è stato implicato come una regione importante nella dipendenza (Moulton et al., 2014). Quindi, abbiamo incluso il cervelletto nella nostra analisi. (4) Molti studi hanno limitato il loro gruppo di partecipanti ai maschi e spesso contengono campioni di dimensioni relativamente piccole (es. Hong et al., 2013, 2015; Kühn e Gallinat, 2015). Per aumentare la generalizzabilità e il potere di questi studi, sono necessari campioni contenenti entrambi i sessi e un campione più grande (Li et al., 2015). Affrontando i problemi di cui sopra, lo studio attuale spera di fornire una migliore comprensione di come la connettività funzionale sia associata alla tendenza alla dipendenza da internet.

Materiali e Metodi

Meta-Analysis

Una meta-analisi è stata costruita utilizzando il database NeuroSynth (http://neurosynth.org; Yarkoni et al., 2011). È stata eseguita un'analisi personalizzata utilizzando i termini di ricerca "dipendenza", "tossicodipendente", "internet", "gioco", "gioco" e "online" per identificare gli studi relativi alla dipendenza da Internet nel database. I criteri di inclusione sono stati verificati manualmente e un elenco degli studi inclusi è dettagliato nei Materiali Supplementari 1. Sono stati inclusi un totale di studi 18. Le coordinate di attivazione del picco e il suo intorno di voxel 6 mm sono stati estratti dagli studi inclusi. Successivamente, è stata eseguita una meta-analisi di queste coordinate, producendo in avanti e riverenza l'inferenza cerebrale z-scopri le mappe. Le mappe di inferenza diretta riflettono la probabilità che una regione si attivi in base a questi termini [P(attivazione | termini)], pertanto ci informa della coerenza dell'attivazione per i termini specificati. La mappa di inferenza inversa mostra la probabilità che questi termini siano utilizzati in uno studio data la presenza di attivazione segnalata [P(termini | attivazione)]; quindi una regione che viene attivata indica che è più probabile che sia uno studio correlato alla dipendenza da Internet rispetto a uno studio non legato alla dipendenza da internet, che riflette la selettività di quella regione. Poiché sia l'inferenza diretta che quella inversa svolgono un ruolo importante nell'aiutarci a comprendere le regioni associate alla dipendenza da Internet, abbiamo sovrapposto queste due mappe di inferenza per delineare le loro regioni comuni. Sono segnalati cluster superiori a cinque voxel.

FMRI a riposo

Partecipanti

Quarantasette partecipanti sani (maschi 21 e femmine 26) del sud di Taiwan, la maggior parte dei quali studenti o personale dell'università, sono stati reclutati tramite annunci pubblicitari, per partecipare all'esperimento (fascia d'età = 19-29 anni, età media = 22.87 anni, SD = 2.22 anni). I partecipanti erano destrorsi (indicati dall'Edinburgh Handedness Inventory), avevano una visione normale o corretta alla normalità e nessuna storia di disturbi psicologici o neuronali. I loro punteggi di depressione, ansia e intelligenza erano nel range normale [punteggio di Beck's Depression Inventory (BDI): 0-12; Punteggio di Beck's Anxiety Inventory (BAI): 0-7; Punteggio dei test delle matrici progressive standard di Raven: 35-57]. Il punteggio Chen Internet Addiction Scale-Revised (CIAS-R) di tutti i partecipanti aveva range = 28-92, mean = 60.04, SD = 16.53. Table Table11 riassume le informazioni demografiche e le caratteristiche comportamentali dei partecipanti. La normalità dei punteggi CIAS-R è stata verificata dal test Shapiro-Wilk [W(47) = 0.98, p = 0.50]. Non c'era alcuna correlazione significativa tra sesso e punteggio CIAS-R (Spearman's ρ = 0.15, p = 0.30). Tutti i partecipanti hanno fornito il loro consenso informato scritto e il protocollo di studio è stato approvato (NO: B-ER-101-144) dall'Institutional Review Board (IRB) del National Cheng Kung University Hospital di Tainan, Taiwan. Tutti i partecipanti sono stati pagati 500 NTD dopo il completamento dell'esperimento.

Informazioni demografiche e caratteristiche comportamentali.

Questionario Chen Internet Addiction Scale-Revised (CIAS-R)

The Chen Internet Addiction Scale-Revised (CIAS-R; Chen et al., 2003) è una misura di 26-item utilizzata per valutare la gravità della dipendenza da Internet. Il CIAS-R si basa sui criteri dei comportamenti additivi DSM-IV-TR e contiene due sottoscale di dipendenza da Internet (a) sintomi principali e (b) problemi correlati, valutando cinque dimensioni incluso (1) uso compulsivo di internet, (2) sintomi quando Internet viene tolto, tolleranza (3), (4) rischio di relazioni interpersonali e salute fisica e (5) problemi di gestione del tempo. Gli articoli sono valutati su una scala Likert con punto 4, con punteggi totali che vanno da 26 a 104, che riflettono la tendenza da bassa ad alta della dipendenza da Internet. È stato dimostrato che il CIAS-R ha un'elevata consistenza interna (Cronbach's α = 0.79-0.93; Chen et al., 2003) e alta accuratezza diagnostica (AUC = 89.6%; Ko et al., 2005). Nel presente studio, il punteggio totale CIAS-R è stato utilizzato come indicatore dello stato attuale dei partecipanti alla dipendenza da Internet.

Acquisizione ed elaborazione delle immagini

L'imaging è stato eseguito utilizzando lo scanner GE MR750 3T (GE Healthcare, Waukesha, WI, USA) nel centro MRI della National Cheng Kung University. Le immagini anatomiche ad alta risoluzione sono state acquisite utilizzando il metodo rapido-SPGR, costituito da fette assiali 166 (TR = 7.6 ms, TE = 3.3 ms, angolo di inversione 171 = 12 °, matrici 224 × matrici 224, spessore fetta = 1 mm). Le immagini funzionali sono state acquisite utilizzando una sequenza di impulsi EPI (gradient-echo-planar imaging) (TR = 2000 ms, TE = 30 ms, angolo di inversione = 77 °, matrici 64 × matrici 64, spessore fetta = 4 mm, nessuna distanza, dimensione voxel 3.4375 mm × 3.4375 mm × 4 mm, 32 fette assiali che coprono l'intero cervello).

Ai partecipanti è stato detto di rilassarsi e di sdraiarsi nello scanner con gli occhi chiusi. Gli è stato chiesto di non pensare a nessun evento particolare durante la scansione. Il tempo di scansione per l'immagine strutturale era di circa 3.6 min. L'immagine funzionale è durata circa 8 min, con i primi cinque TR che fungono da scansioni fittizie per garantire che il segnale abbia raggiunto uno stato stazionario prima che i dati vengano raccolti; quindi una corsa consiste di immagini di volume 240 EPI per l'analisi.

I dati sono stati pre-elaborati utilizzando l'Assistente di elaborazione dati per l'fMRI di stato a riposo (DPARSF; Yan e Zang, 2010), che si basa su funzioni in MRIcroN (Rorden et al., 2007^¹) così come il software Statistical Parametric Mapping (SPM^²) e il tool di analisi dei dati fMRI dello stato a riposo (REST; Song et al., 2011) in Matlab (The MathWorks, Inc., Natick, MA, USA). Le immagini funzionali sono state sottoposte a correzioni temporali delle sezioni, seguite dal riallineamento per correggere il movimento della testa mediante trasformazioni del corpo rigido a sei parametri. Il movimento complessivo, caratterizzato da spostamento framewise medio (FD), non era grande (media = 0.05, SD = 0.03) e non correlato con i punteggi CIAS-R (Spearman's ρ = -0.28, p = 0.055), quindi l'impulsività non è un fattore confondente del punteggio e del movimento della dipendenza da Internet (Kong et al., 2014). Le immagini T1 sono state registrate su immagini funzionali. Le immagini strutturali sono state segmentate in CSF, sostanza bianca e materia grigia basata su mappe di probabilità tissutali nello spazio MNI e questi calcoli sono stati utilizzati nella successiva normalizzazione di immagini T1 ed EPI nello spazio MNI. I dati sono stati livellati nel dominio spaziale utilizzando un kernel gaussiano di 6 mm a larghezza intera a metà massimo (FWHM) e rimosso dalla tendenza lineare. Le covariate fastidiose, inclusi il segnale medio globale, il segnale della sostanza bianca e il segnale del liquido cerebrospinale sono stati regrediti. Sebbene se eseguire la regressione del segnale globale sia ancora una controversia in corso (es. Saad et al., 2012), abbiamo deciso di implementare questo metodo perché è stato suggerito di massimizzare la specificità delle correlazioni funzionali e migliorare la corrispondenza tra le correlazioni dello stato di riposo e l'anatomia (Fox et al., 2009; Weissenbacher et al., 2009; Takeuchi et al., 2014). Infine, le immagini sono state sottoposte al filtraggio passa-banda di 0.01-0.08 Hz.

Analisi dei dati

Le immagini fMRI sono state parcellizzate sulla base dell'Anatomical Automatic Labeling (AAL; Tzourio-Mazoyer et al., 2002modello, dividendo il cervello in base alla struttura anatomica in ROI (o nodi) 116. Abbiamo scelto l'atlante AAL perché è stata la parcellazione più comunemente usata negli studi di reti funzionali (Stanley et al., 2013) ed era anche il modello usato da Hong et al. (2013), il cui studio è più pertinente al nostro, aumentando così il grado di comparabilità tra gli studi (Zalesky et al., 2010b). Il metodo NBS è stato utilizzato per identificare reti cerebrali che consistono di connettività funzionale inter-regionale che mostra una correlazione significativa con il punteggio CIAS-R. Le seguenti analisi sono state eseguite con l'ausilio del Network Statistic Toolbox (Zalesky et al., 2010a) con ulteriori script Matlab interni. Una matrice di correlazione 116 × 116 è stata costruita per ciascun partecipante utilizzando i corsi temporali estratti da ciascuna ROI. Il Pearson's r i valori sono stati normalizzati a Z punteggi usando Fisher's Z trasformazione. Ogni cella della matrice di correlazione rappresenta la forza della connessione (o bordo) tra due nodi. Sono stati eseguiti test univariati di massa utilizzando la correlazione di grado di Spearman tra i punteggi CIAS-R dei partecipanti e le forze del bordo all'interno di ciascun bordo per identificare le connessioni pertinenti che erano predittive del punteggio CIAS-R. I bordi candidati che hanno mostrato un'elevata prevedibilità del punteggio CIAS-R sono stati selezionati tramite una soglia primaria di rho di Spearman> 0.37 e <-0.37 (approssimativamente l'alfa a una coda = 0.005) rispettivamente, per identificare le reti che sono positivamente e negativamente associate a CIAS- Punteggio R. Successivamente, sono stati identificati cluster topologici, noti come componenti del grafo connesso tra le connessioni sopra la soglia. Un errore familiare (FWE) per la dimensione del componente è stato calcolato utilizzando il test di permutazione (3000 permutazioni), che ha comportato il riordino casuale dei punteggi CIAS-R e la ripetizione del processo di cui sopra ogni permutazione per ottenere una distribuzione nulla della dimensione del componente più grande. Componenti del grafico connesso la cui dimensione supera la stima FWE corretta p-valore di cutoff <0.05 sono stati identificati come reti che sono significativamente correlate alla tendenza alla dipendenza da Internet. Visualizzatore BrainNet (Xia et al., 2013) è stato utilizzato per la visualizzazione delle connessioni. Viene mostrata un'illustrazione della pipeline di analisi dei dati figura Figure11.

FIGURA 1

Diagramma di flusso della pipeline di analisi dei dati. Il cervello dei partecipanti è stato pre-elaborato e suddiviso in diverse regioni strutturali secondo il modello AAL. Una matrice di correlazione è stata costruita utilizzando i corsi di tempo estratti da ogni regione in ...

Risultati

Meta-Analysis

Inferenza diretta e inversa zle mappe di punteggi sono state generate da NeuroSynth (mostrato in figura Figure22). Le attivazioni in queste due mappe mostrano un'elevata somiglianza tra loro. La sovrapposizione di queste mappe rivelava l'attivazione in regioni del cervelletto, lobo temporale (giroscopio temporale inferiore bilaterale, polo temporale destro superiore e giro temporale medio e superiore destro), diverse regioni frontali (giro frontale sinistro centrale e superiore orbitale, giro centrale medio destro, opercolo frontale inferiore destro e giro precentrale destro), putamen bilaterale, insula bilaterale, cingolato medio destro e precuneus destro. Table Table22 elenca i cluster identificati e le regioni AAL appartenenti al cluster.

FIGURA 2

Mappe di inferenza di meta-analisi eseguite su NeuroSynth, che mostrano le regioni attive nell'inferenza diretta, l'inferenza inversa e la sovrapposizione delle due mappe.

Grappoli sovrapposti di mappe di inferenza diretta e inversa.

FMRI a riposo

Connessioni funzionali relative alla tendenza alla dipendenza da Internet

Utilizzando NBS, abbiamo identificato due reti che mostravano una correlazione significativa tra la forza del bordo e i punteggi CIAS-R (p <0.05, FWE corretto): uno con bordi correlati positivamente con i punteggi CIAS-R ("CIAS-R positivo", mostrato in rosso) e uno con bordi correlati negativamente con CIAS-R ("CIAS-R negativo", mostrato in blu). La rete positiva CIAS-R è composta da un totale di 65 nodi e 90 bordi (45 intraemisferici, 42 interemisferici e 3 che si collegano al verme), mentre la rete negativa consiste di 64 nodi e 89 bordi (35 intraemisferici, 40 interemisferici e 14 collegamento a / all'interno del verme). È importante notare che le due reti non sono completamente separate e condividono un totale di 39 nodi, il 30.77% dei quali sono regioni del lobo frontale. Il numero totale di bordi relativi a CIAS-R è costituito dal 2.68% di tutti i bordi del cervello. La rete è illustrata in figura Figure33 e le connessioni specifiche sono elencate in Supplementary Materials 2, Table S1.

FIGURA 3

Rete di connessioni correlate con i punteggi CIAS-R. Le sfere grigie rappresentano il centroide di ciascun nodo e vengono ridimensionate in base al numero di spigoli significativi a cui sono associati. Vengono mostrati solo i nodi con connessioni. Le linee rosse rappresentano ...

Distribuzione globale dei bordi coinvolti

Abbiamo avuto una migliore comprensione di come queste connessioni sono state distribuite Fornito et al. (2011) ed Hong et al. (2013)e categorizzato ciascuna regione AAL all'interno di ciascuna rete come appartenente a sette sottogruppi regionali: frontale, temporale, parietale, occipitale, insula e cingulate gyri, subcorticale e cervelletto. La maggior parte dei bordi della rete positiva CIAS-R riguardava connessioni tra regioni temporali (1) e insula e cingulate gryi (~13%), la maggior parte delle quali coinvolge il giro cingolato posteriore che si collega a varie regioni temporali; (2) regioni frontali e temporali (~12%), che include connessioni tra la corteccia orbitofrontale mediale, il lobulo paracentrale e il lobo temporale del lobo, il polo temporale; e (3) regioni parietali e sottocorticali (~11%), costituite da connessioni tra la corteccia postcentrale e il lobulo parietale superiore con il putamen e il pallido. È interessante notare che, ad eccezione del lobo frontale, tutte le altre regioni non hanno connessioni intraregionali la cui forza sia correlata positivamente con la tendenza alla dipendenza da Internet. La maggior parte dei bordi della rete negativa CIAS-R riguardava connessioni tra (1) il lobo frontale e il cervelletto (~19%), la maggior parte delle quali sono connessioni tra le regioni frontali orbitali e varie ROI del cervelletto; e (2) insula e cingulate gyri e il lobo temporale (~12%), che comprende connessioni tra l'insula, il cingulum, parahippocampal e lobo temporale del lobo. Nessuna regione occipitale è stata trovata inclusa nella rete negativa CIAS-R. Le proporzioni delle connessioni interregionali di ciascuna rete sono illustrate in figura Figure44.

FIGURA 4

Proporzione di spigoli che sono correlati positivamente e negativamente con la tendenza alla dipendenza da Internet tra coppie di sottogruppi regionali. Le proporzioni sono state calcolate dividendo il numero di fronti tra (o all'interno) coppie di regioni con il totale ...

Nodi massimamente interessati

A causa dell'elevato numero di spigoli identificati, abbiamo seguito Finn et al. (2014)e nodi identificati che hanno una "somma elevata di spigoli correlati al CIAS-R" al fine di concentrare la nostra analisi sulle regioni in cui le connessioni sono strettamente correlate alla tendenza alla dipendenza da Internet. La somma dei fronti correlati a CIAS-R di un nodo è stata definita come il numero totale dei suoi bordi in entrambe le reti negative CIAS-R e CIAS-R (questo è concettualmente equivalente alla misura di grado nella teoria dei grafi). Questo metodo ci consentirà di identificare i nodi in cui è più probabile che le connessioni vengano alterate dalla tendenza alla dipendenza da Internet. Il seguente Table Table33 elenca i nodi che sono maggiormente interessati e mostra nodi che hanno almeno una somma di bordi correlati al CIAS-R di almeno 8. La visualizzazione dei nodi e delle loro connessioni è visualizzata in figura Figure55. Questi sono anche i nodi selezionati per la discussione.

Analisi a livello di nodo della tendenza alla dipendenza da internet.

FIGURA 5

Visualizzazione dei nodi con il più alto numero di fronti legati alla tendenza alla dipendenza da internet. Le sfere verdi rappresentano il centroide di ciascun nodo con i bordi massimi, mentre le sfere gialle rappresentano i loro partner di connettività funzionale. Le linee rosse indicano i bordi ...

Discussione

In un normale gruppo di giovani adulti, abbiamo valutato il loro livello di dipendenza da Internet attraverso un questionario auto-valutato (CIAS-R), e inoltre identificato due reti cerebrali di cui le connessioni funzionali erano correlate positivamente e negativamente con la tendenza alla dipendenza da Internet. Di seguito, discutiamo i nostri risultati a diverse scale di osservazione: (1) le regioni cruciali che collegano le reti CIAS-R positive e CIAS-R negative, (2) con alte proporzioni di connessioni legate alla tendenza alla dipendenza da Internet, e (3 ) i nodi critici alterati dalla tendenza alla dipendenza da internet.

Regioni frontali Link CIAS-R Positive e reti negative CIAS-R

Abbiamo osservato che la maggior parte dei nodi che collegano le due reti (CIAS-R positive e CIAS-R negative) si trovano all'interno del lobo frontale. Queste regioni comprendono il giro frontale superiore, l'IFG, il giro frontale mediale, l'opercolo rolandico e l'area motoria supplementare. La corteccia prefrontale è stata implicata come una struttura critica nel controllo cognitivo, inibizione e selezione della risposta (Aron et al., 2004; Talati e Hirsch, 2005; Forstmann et al., 2008). La dipendenza da Internet è un fenomeno in cui i tossicodipendenti hanno diminuito l'autocontrollo e il processo decisionale sull'utilizzo di Internet, riflesso dal continuo uso eccessivo nonostante la loro conoscenza degli effetti negativi. Ad esempio, diversi studi hanno scoperto che i partecipanti con dipendenza da Internet hanno mostrato un'attivazione fronto-striatale e front-parietale più alta durante il compito Go / Nogo (Ding et al., 2014; Ko et al., 2014; Chen et al., 2015) e attività Stroop (Dong et al., 2012a, 2013, 2014), suggerendo una minore inibizione della risposta e il monitoraggio degli errori, oltre a un aumento dell'impulsività. D'altra parte, i dipendenti di Internet e i giocatori di videogiochi spesso mostrano prestazioni eccellenti delle funzioni cognitive, come il controllo motorio e un processo decisionale efficiente durante il gioco. In effetti, è stato dimostrato che gli effetti pratici del videogioco si generalizzano a una varietà di abilità esecutive avanzate, tra cui abilità percettive, motorie, attentive e di probabilità probabilistiche (Verde e Bavelier, 2003; Castel et al., 2005; Dye et al., 2009; Green et al., 2010; Green et al., 2012). Uno studio sulla risonanza magnetica ha trovato una riduzione del reclutamento della rete fronto-parietale nei giocatori di videogiochi rispetto ai non-giocatori durante un compito di alta attenzione alla domanda, forse riflettendo un controllo esecutivo e attenzionale più efficiente (Bavelier et al., 2012). Le due facce del controllo cognitivo mostrate dai dipendenti di Internet rappresentano un interessante dilemma. Nel nostro studio, l'osservazione delle regioni frontali che collegano le due reti in cui la connettività funzionale è diminuita e aumentata dalla tendenza alla dipendenza da Internet potrebbe riflettere alterazioni nella regione frontale per diversi aspetti del controllo cognitivo (ad esempio, per il controllo dell'uso di Internet e delle abilità di gioco). Vale la pena ricordare che sebbene Hong et al. (2013) ipotizzato che potrebbe esserci un aumento della connettività funzionale associata agli effetti della pratica nei tossicodipendenti di Internet, nel loro studio è stata osservata solo una diminuzione della connettività funzionale. Una possibilità proposta da Hong et al. (2013) poiché la loro assenza di maggiore connettività funzionale in individui dipendenti da Internet era che la loro piccola dimensione del campione portava alla mancanza di energia. Utilizzando l'analisi basata sui semi, che richiede meno confronti multipli rispetto agli approcci del cervello intero, Hong et al. (2015) ha analizzato nuovamente i dati 2013 e osservato sia la connettività funzionale aumentata che ridotta associata alla dipendenza da Internet.

Le connessioni ampiamente distribuite delle reti di tendenze di dipendenza da Internet

I dati mostrano un gran numero di connessioni inter- e intra-emisferiche in entrambe le reti CIAS-R positive e CIAS-R negative, che riflettono l'ampia influenza della tendenza della dipendenza da Internet sul cervello. Abbiamo osservato che la più alta percentuale di connessioni nella rete positiva CIAS-R riguardava i fronti "insula e cingolato - temporale", "frontale - temporale" e "sottocorticale - parietale", mentre la percentuale più alta di connessioni nel CIAS-R la rete negativa comprendeva i bordi "frontale - cerebellare" e "insula e cingolato - temporale" (figura Figure44). In un modello di dipendenza recentemente proposto (Moulton et al., 2014), il cervelletto aiuta a mantenere l'omeostasi dei quattro circuiti interconnessi rilevanti per la dipendenza: ricompensa / salienza, motivazione / guida, apprendimento / memoria e controllo cognitivo. Questo modello integra il modello a quattro circuiti (Volkow et al., 2003, 2010) e le reti funzionali cerebellari a riposo che riguardano l'elaborazione esecutiva e associativa nella corteccia cerebrale (Buckner et al., 2011). I componenti per ricompensa / salienza, motivazione / guida e apprendimento / memoria sono amplificati, mentre il controllo cognitivo è diminuito nella dipendenza. Vedere figura Figure66 per un'illustrazione Le nostre osservazioni delle più alte proporzioni di connettività funzionale delle due reti di tendenza di dipendenza da internet sono generalmente compatibili con Moulton et al.'S (2014) modello dei componenti critici coinvolti nel circuito della dipendenza. Allo stesso modo, non abbiamo osservato molte connessioni significative che comprendono il lobo occipitale, che è anche a coda di rondine Hong et al. (2013) scoperte. Tuttavia, abbiamo anche trovato una grande proporzione di bordi "sottocorticali - parietali" che sebbene non siano particolarmente evidenziati nel modello a quattro circuiti, queste connessioni sono state osservate nella letteratura sulla dipendenza da Internet (ad es. Ding et al., 2013; Hong et al., 2013, 2015), che potrebbe essere dovuto a un effetto pratico relativo all'utilizzo di Internet.

FIGURA 6

Un modello di dipendenza che evidenzia il ruolo modulante del cervelletto delle quattro principali reti cerebrali che si propone di essere influenzato dalla dipendenza (adattato da Moulton et al., 2014). Questi circuiti includono ricompensa / salienza, motivazione / guida, apprendimento / memoria, ...

Nodi critici alterati dalla tendenza di dipendenza da Internet

Abbiamo identificato i nodi con la maggior parte delle connessioni sono massimamente correlati alla tendenza alla dipendenza da Internet. Questi nodi sono quelli il cui schema di connessioni tra il nodo stesso e altre regioni del cervello è più suscettibile di alterazione dalla tendenza alla dipendenza da Internet. Le regioni sono specificamente il giro cingolato posteriore bilaterale, l'insula destra, il giro medio temporale destro, il polo temporale superiore sinistro, il putamen destro e la parte orbitale dell'IFG sinistro (figura Figure55). Queste regioni sono state coinvolte come regioni chiave in molti studi sulle dipendenze (internet) e alcune sono già state citate nella sezione precedente. Ora discutiamo la letteratura sulle dipendenze evidenziando queste regioni in modo più dettagliato. Il PCC, parte della rete in modalità predefinita e coinvolto in vari aspetti dell'autoprocesso (Buckner et al., 2008; Fransson e Marrelec, 2008), servito come una regione seme in Ding et al. (2013) studio, che ha mostrato un aumento significativo della connettività funzionale con il lobo bilaterale del cervelletto e il giro medio-temporale, mentre diminuito il lobulo parietale inferiore bilaterale e il giro temporale inferiore destro nei tossicodipendenti dei giochi su Internet. È stato anche scoperto che i tossicodipendenti di Internet mostrano anormalità anisotropica frazionale (Dong et al., 2012b) e la densità della materia grigia (Zhou et al., 2011) nel PCC. Zhang et al. (2015) ha scelto l'insula, che è stata implicata nella dipendenza (Naqvi e Bechara, 2009; Droutman et al., 2015), come regione seme e trovato connettività funzionale alterata con una rete di regioni in dipendenti da Internet. Il ruolo dell'insula nella dipendenza è stato suggerito per integrare i segnali interocettivi nei sentimenti coscienti (impulsi della droga) e il comportamento dei pregiudizi durante il processo decisionale (Naqvi e Bechara, 2009). Il giro temporale medio e il polo temporale superiore sono stati osservati in alcuni studi sulla dipendenza da Internet (vedi Meng et al., 2015 per una meta-analisi), e sono stati associati alla voglia / alla voglia del gioco, all'elaborazione semantica, alla disincarnazione, alla memoria di lavoro e all'elaborazione emotiva; tuttavia, i loro ruoli specifici nella dipendenza richiedono ulteriori indagini. Il putamen, parte dello striato dorsale, è anche una regione critica suggerita da molte ricerche sulle dipendenze (es. Ko et al., 2009; Ding et al., 2013; Lin et al., 2015), in cui la concomitante neurotrasmissione della dopamina è coinvolta nello sviluppo di compulsive drug-seeking e craving (Volkow et al., 2006; Koob e Volkow, 2010). Inoltre, la ricerca ha suggerito che la disfunzione con il circuito striato-talamo-orbitofrontale è una causa cruciale della dipendenza, mentre lo striato dorsale coinvolto nell'apprendimento e nella brama, la corteccia orbitofrontale è coinvolta con salienza, pulsione e compulsività (Volkow e Fowler, 2000; Koob e Volkow, 2010; Volkow et al., 2010; Goldstein e Volkow, 2011). Il funzionamento anormale della corteccia orbitofrontale potrebbe spiegare il malfunzionamento comportamentale nella dipendenza. Riassumendo quanto sopra, i nodi che abbiamo identificato sono hub che sono più suscettibili di alterazione dalla tendenza alla dipendenza da Internet, e sono stati identificati ripetutamente nella letteratura esistente.

Limitazione

Come sottolineato da uno dei nostri revisori, se eseguire la regressione del segnale globale nell'FMRI a riposo è ancora un dibattito corrente. Dopo aver analizzato nuovamente i dati correnti senza la regressione del segnale globale, i nostri risultati si sono rivelati molto diversi rispetto alla nostra analisi originale e solo 22.91% dei bordi trovati nelle analisi NBS senza la regressione del segnale globale sovrapposta a quelli dei nostri risultati attuali. Senza la regressione del segnale globale, non abbiamo trovato connessioni funzionali sufficienti che fossero positivamente correlate ai punteggi CIAS-R; tuttavia, abbiamo trovato una rete che comprendeva connessioni funzionali che erano negativamente correlate ai punteggi CIAS-R. Quando si identificano i nodi con la maggior parte delle connessioni sono massimamente correlati alla tendenza alla dipendenza da Internet, troviamo coerenza con l'analisi di regressione del segnale globale in quanto le aree cingulate, insula, temporali e frontali erano le più coinvolte. Tuttavia, diverse differenze includono il reperimento aggiuntivo di aree motorie supplementari bilaterali e il giro angolare destro che mostra una ridotta connettività funzionale, e non c'erano tante regioni sottocorticali nella rete identificata. Mentre la regressione del segnale globale rimane ancora controversa, abbiamo deciso di riportare entrambi i risultati. I dettagli della rete identificata senza la regressione del segnale globale sono documentati nei Materiali Supplementari 3. Si spera che il lavoro futuro sulla pre-elaborazione dell'immagine farà luce su quale risultato sia più accurato. In questo momento, suggeriamo di interpretare i risultati correnti con tali avvertimenti in mente.

Conclusione

Utilizzando un approccio basato sui dati, abbiamo dimostrato che le statistiche basate sulla rete sono uno strumento utile per caratterizzare la connettività dell'intero cervello influenzata dalla tendenza alla dipendenza da Internet, identificando connessioni e regioni critiche che fanno eco a studi precedenti. Rispetto alle analisi dei semi, questo approccio dell'intero cervello fornisce un'analisi più completa delle connessioni cerebrali legate alla dipendenza da Internet, studiando un totale di connessioni 6670. Abbiamo inoltre dimostrato che molte connessioni funzionali e regioni cerebrali critiche nei casi clinici di dipendenza sono anche associate a tendenze pre-cliniche indicizzate mediante misure del questionario comportamentale. Sebbene utilizziamo un approccio correlazionale, non possiamo essere sicuri che queste reti siano alterate a causa dell'uso di Internet o se siano caratteristiche di persone che sono predisposte a un rischio maggiore di sviluppare la dipendenza da Internet, questa ricerca fornisce informazioni utili per aiutarci a capire il neurale caratteristiche alla base della dipendenza e del suo sviluppo.

Contributi degli autori

TW ha eseguito l'esperimento, analizzato i dati, interpretato i risultati, scritto e revisionato il manoscritto. SH ha progettato l'esperimento, ha scritto la proposta di sovvenzione, guidato la preparazione e l'esecuzione dell'esperimento, aiutato a interpretare i dati, preparare e revisionare il manoscritto.

Dichiarazione di conflitto di interessi

Gli autori dichiarano che la ricerca è stata condotta in assenza di relazioni commerciali o finanziarie che potrebbero essere interpretate come un potenziale conflitto di interessi.

Ringraziamenti

Gli autori sono grati a Yun-Ting Lee per l'aiuto con la raccolta di dati e il professor Po-Hsien Huang per la consultazione statistica. Lo studio è stato finanziato dal Ministero della Scienza e della Tecnologia (MOST), Taiwan (MOST 102-2420-H-006-006-MY2 e MOST 104-2420-H-006-004-MY2). Inoltre, questa ricerca è stata, in parte, supportata dal Ministero della Pubblica Istruzione (MoE), Taiwan, ROC. Obiettivo per il progetto Top University alla National Cheng Kung University (NCKU). Ringraziamo il Mind Research and Imaging Center (MRIC), supportato dal MOST, presso NCKU per la consultazione e la disponibilità degli strumenti. Il questionario CIAS-R è stato fornito da Sue-Huei Chen.

Le note

¹http://www.mricro.com

²http://www.fil.ion.ucl.ac.uk/spm

Materiale supplementare

Il materiale supplementare per questo articolo è disponibile online all'indirizzo: http://journal.frontiersin.org/article/10.3389/fnhum.2016.00006

Clicca qui per il file di dati aggiuntivi.^{(20K, DOCX)}

Clicca qui per il file di dati aggiuntivi.^{(33K, DOCX)}

Clicca qui per il file di dati aggiuntivi.^{(258K, DOCX)}

Riferimenti

American Psychiatric Association [APA] (2013). Manuale diagnostico e statistico dei disturbi mentali (DSM-5^®). Arlington, VA: American Psychiatric Pub.
Aron AR, Robbins TW, Poldrack RA (2004). Inibizione e corteccia frontale inferiore destra. Tendenze Cogn. Sci. 8 170-177. 10.1016 / j.tics.2004.02.010 [PubMed] [Croce Ref]
Bavelier D., Achtman RL, Mani M., Focker J. (2012). Basi neurali di attenzione selettiva nei giocatori di videogiochi d'azione. Vis. Res. 61 132-143. 10.1016 / j.visres.2011.08.007 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Biswal BB, Mennes M., Zuo XN, Gohel S., Kelly C., Smith SM, et al. (2010). Verso la scoperta della scienza della funzione del cervello umano. Proc. Natl. Acad Sci. Stati Uniti d'America 107 4734-4739. 10.1073 / pnas.0911855107 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Brand M., Young KS, Laier C. (2014). Controllo frontale e dipendenza da Internet: un modello teorico e una revisione dei risultati neuropsicologici e neuroimaging. Davanti. Ronzio. Neurosci. 8: 375 10.3389 / fnhum.2014.00375 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Buckner RL, Andrews-Hanna JR, Schacter DL (2008). La rete predefinita del cervello: anatomia, funzione e rilevanza per la malattia. Anno Cogn. Neurosci. 2008 1-38. 10.1196 / annals.1440.011 [PubMed] [Croce Ref]
Buckner RL, Krienen FM, Castellanos A., Diaz JC, Yeo BTT (2011). L'organizzazione del cervelletto umano stimata dalla connettività funzionale intrinseca. J. Neurophysiol. 106 2322-2345. 10.1152 / jn.00339.2011 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Castel AD, Pratt J., Drummond E. (2005). Gli effetti dell'esperienza del videogioco di azione sul decorso temporale dell'inibizione del ritorno e l'efficienza della ricerca visiva. Acta Psychol. 119 217-230. 10.1016 / j.actpsy.2005.02.004 [PubMed] [Croce Ref]
Chen CY, Huang MF, Yen JY, Chen CS, Liu GC, Yen CF, et al. (2015). Correlazione cerebrale dell'inibizione della risposta nel disturbo del gioco su Internet. Clinica psichiatrica Neurosci. 69 201-209. 10.1111 / pcn.12224 [PubMed] [Croce Ref]
Chen S., Weng L., Su Y., Wu H., Yang P. (2003). Sviluppo di una scala cinese per la dipendenza da Internet e il suo studio psicometrico. Mento. J. Psychol. 45 251-266. 10.1371 / journal.pone.0098312 [Croce Ref]
Craddock RC, Jbabdi S., Yan CG, Vogelstein JT, Castellanos FX, Di Martino A., et al. (2013). Imaging di connettomi umani in macroscala. Nat. metodi 10 524-539. 10.1038 / Nmeth.2482 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Ding WN, Sun JH, Sun YW, Chen X., Zhou Y., Zhuang ZG, et al. (2014). Trait impulsività e compromissione della funzione di inibizione degli impulsi prefrontali negli adolescenti con dipendenza da gioco su internet rivelata da uno studio fMRI Go / No-Go. Behav. Cervello Funziona. 10:20 10.1186/1744-9081-10-20 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Ding WN, Sun JH, Sun YW, Zhou Y., Li L., Xu JR, et al. (2013). Connettività funzionale alterata allo stato di riposo di rete negli adolescenti con dipendenza da giochi su Internet. PLoS ONE 8: e59902 10.1371 / journal.pone.0059902 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Dong GH, DeVito EE, Du XX, Cui ZY (2012a). Compromesso controllo inibitorio nel 'disturbo da dipendenza da internet': uno studio di risonanza magnetica funzionale. Resistenza psichiatrica neuroimaging 203 153-158. 10.1016 / j.pscychresns.2012.02.001 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Dong GH, DeVito E., Huang J., Du XX (2012b). L'imaging del tensore di diffusione rivela anomalie del thalamus e della corteccia cingolata posteriore nei tossicodipendenti dei giochi su Internet. J. Psychiatr. Res. 46 1212-1216. 10.1016 / j.jpsychires.2012.05.015 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Dong GH, Lin X., Hu YB, Xie CM, Du XX (2015a). Il collegamento funzionale squilibrato tra la rete di controllo esecutivo e la rete di ricompensa spiega i comportamenti di ricerca del gioco online nel disordine del gioco su Internet. Sci. Rappresentante. 5: 9197 10.1038 / Srep09197 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Dong GH, Lin X., Potenza MN (2015b). La diminuzione della connettività funzionale in una rete di controllo esecutivo è correlata alla compromissione della funzione esecutiva nel disordine dei giochi su Internet. Prog. Neuro-Psychopharmacol. Biol. Psichiatria 57 76-85. 10.1016 / j.pnpbp.2014.10.012 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Dong GH, Lin X., Zhou HL, Lu QL (2014). Flessibilità cognitiva nei tossicodipendenti di Internet: prove fMRI da situazioni di commutazione difficili da facili a difficili da gestire. Dipendente. Behav. 39 677-683. 10.1016 / j.addbeh.2013.11.028 [PubMed] [Croce Ref]
Dong GH, Shen Y., Huang J., Du XX (2013). Compromissione della funzione di monitoraggio degli errori nelle persone con disturbo da dipendenza da Internet: uno studio sull'FMRI correlato agli eventi. Euro. Dipendente. Res. 19 269-275. 10.1159 / 000346783 [PubMed] [Croce Ref]
Droutman V., Leggi SJ, Bechara A. (2015). Rivisitazione del ruolo dell'insula nella dipendenza. Tendenze Cogn. Sci. 19 414-420. 10.1016 / j.tics.2015.05.005 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Dye MWG, Green CS, Bavelier D. (2009). Aumento della velocità di elaborazione con i videogiochi d'azione. Curr. Dir. Psychol. Sci. 18 321-326. 10.1111 / j.1467-8721.2009.01660.x [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Finn ES, Shen X., Holahan JM, Scheinost D., Lacadie C., Papademetris X., et al. (2014). Interruzione delle reti funzionali nella dislessia: analisi della connettività interamente basata sul cervello e basata sui dati. Biol. Psichiatria 76 397-404. 10.1016 / j.biopsych.2013.08.031 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Fornito A., Bullmore ET (2015). Connectomics: un nuovo paradigma per la comprensione delle malattie del cervello. Euro. Neuropsychopharmacol. 25 733-748. 10.1016 / j.euroneuro.2014.02.011 [PubMed] [Croce Ref]
Fornito A., Yoon J., Zalesky A., Bullmore ET, Carter CS (2011). Disturbi della connettività funzionale generale e specifica nella schizofrenia del primo episodio durante il controllo cognitivo. Biol. Psichiatria 70 64-72. 10.1016 / j.biopsych.2011.02.019 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
BU Forstmann, van den Wildenberg WPM, Ridderinkhof KR (2008). Meccanismi neurali, dinamiche temporali e differenze individuali nel controllo delle interferenze. J. Cogn. Neurosci. 20 1854-1865. 10.1162 / jocn.2008.20122 [PubMed] [Croce Ref]
Fox MD, Zhang D., Snyder AZ, Raichle ME (2009). Il segnale globale e le reti cerebrali di stato di riposo osservate anticorrelati. J. Neurophysiol. 101 3270-3283. 10.1152 / jn.90777.2008 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Fransson P., Marrelec G. (2008). La corteccia cingolata precuneus / posteriore gioca un ruolo fondamentale nella rete in modalità predefinita: prove da un'analisi della rete di correlazione parziale. Neuroimage 42 1178-1184. 10.1016 / j.neuroimage.2008.05.059 [PubMed] [Croce Ref]
Goldstein RZ, Volkow ND (2011). Disfunzione della corteccia prefrontale nella dipendenza: risultati di neuroimaging e implicazioni cliniche. Nat. Rev. Neurosci. 12 652-669. 10.1038 / nrn3119 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Green CS, Bavelier D. (2003). Il videogioco d'azione modifica l'attenzione selettiva visiva. Natura 423 534-537. 10.1038 / nature01647 [PubMed] [Croce Ref]
CS verde, Pouget A., Bavelier D. (2010). Migliore inferenza probabilistica come meccanismo di apprendimento generale con videogiochi d'azione. Curr. Biol. 20 1573-1579. 10.1016 / j.cub.2010.07.040 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
CS verde, Sugarman MA, Medford K., Klobusicky E., Bavelier D. (2012). L'effetto dell'esperienza del videogioco di azione sul cambio di attività. Comput. Ronzio. Behav. 28 984-994. 10.1016 / j.chb.2011.12.020 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Griffiths MD, Pontes HM (2014). Il disturbo da dipendenza da Internet e il disturbo da gioco su Internet non sono la stessa cosa. J. Addict. Res. Ther. 5:e124 10.4172/2155-6105.1000e124 [Croce Ref]
Han CE, Yoo SW, Seo SW, Na DL, Seong JK (2013). Statistiche basate sui cluster per la connettività cerebrale in correlazione con le misure comportamentali. PLoS ONE 8: e72332 10.1371 / journal.pone.0072332 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Han DH, Kim YS, Lee YS, Min KJ, Renshaw PF (2010). Cambiamenti nell'attività di corteccia prefrontale indotta da cue con la riproduzione di videogiochi. Cyberpsychol. Behav. Soc. Netw. 13 655-661. 10.1089 / cyber.2009.0327 [PubMed] [Croce Ref]
Hoeft F., Watson CL, Kesler SR, Bettinger KE, Reiss AL (2008). Differenze di genere nel sistema mesocorticolimbico durante il gioco al computer. J. Psychiatr. Res. 42 253-258. 10.1016 / j.jpsychires.2007.11.010 [PubMed] [Croce Ref]
Hong Sai, Harrison BJ, Dandash O., Choi EJ, Kim Sc, Kim HH, et al. (2015). Un coinvolgimento selettivo della connettività funzionale putamen nella giovinezza con il disturbo del gioco su Internet. Cervello. 1602 85-95. 10.1016 / j.brainres.2014.12.042 [PubMed] [Croce Ref]
Hong SB, Zalesky A., Cocchi L., Fornito A., Choi EJ, Kim HH, et al. (2013). Diminuzione della connettività cerebrale funzionale negli adolescenti con dipendenza da Internet. PLoS ONE 8: e57831 10.1371 / journal.pone.0057831 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Király O., Griffiths MD, Urbán R., Farkas J., Kökönyei G., Elekes Z., et al. (2014). L'uso problematico di internet e il gioco online problematico non sono gli stessi: i risultati di un grande campione di adolescenti rappresentativo a livello nazionale. Cyberpsychol. Behav. Soc. Netw. 17 749-754. 10.1089 / cyber.2014.0475 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Ko CH, Hsieh TJ, Chen CY, Yen CF, Chen CS, Yen JY, et al. (2014). Attivazione cerebrale alterata durante l'inibizione della risposta e l'elaborazione dell'errore in soggetti con disturbo del gioco su Internet: uno studio di imaging magnetico funzionale. Euro. Arco. Clinica psichiatrica Neurosci. 264 661–672. 10.1007/s00406-013-0483-3 [PubMed] [Croce Ref]
Ko CH, Hsieh TJ, Wang PW, Lin WC, Yen CF, Chen CS, et al. (2015). Alterata densità della materia grigia e interruzione della connettività funzionale dell'amigdala negli adulti con disturbi del gioco su Internet. Prog. Neuro-Psychopharmacol. Biol. Psichiatria 57 185-192. 10.1016 / j.pnpbp.2014.11.003 [PubMed] [Croce Ref]
Ko CH, Liu GC, Hsiao SM, Yen JY, Yang MJ, Lin WC, et al. (2009). Attività cerebrali associate alla voglia di giocare della dipendenza da gioco online. J. Psychiatr. Res. 43 739-747. 10.1016 / j.jpsychires.2008.09.012 [PubMed] [Croce Ref]
Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, Chen CS (2013). Correlazioni cerebrali di bramosia per i giochi online sotto l'esposizione di cue in soggetti con dipendenza da giochi su Internet e in soggetti rimessi. Dipendente. Biol. 18 559-569. 10.1111 / j.1369-1600.2011.00405.x [PubMed] [Croce Ref]
Ko C.-H., Yen C.-F., Yen C.-N., Yen J.-Y., Chen C.-C., Chen S.-H. (2005). Screening per la dipendenza da internet: uno studio empirico sui punti limite per la scala della dipendenza da internet chen. Kaohsiung J. Med. Sci. 21 545–551. 10.1016/S1607-551X(09)70206-2 [PubMed] [Croce Ref]
Kong X.-Z., Zhen Z., Li X., Lu H.-H., Wang R., Liu L., et al. (2014). Le differenze individuali nell'impulsività predicono il movimento della testa durante la risonanza magnetica. PLoS ONE 9: e104989 10.1371 / journal.pone.0104989 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Koob GF, Volkow ND (2010). Neurocircuitria della dipendenza. Neuropsicofarmacologia 35 217-238. 10.1038 / npp.2009.110 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Kühn S., Gallinat J. (2015). Cervello online: correlati strutturali e funzionali dell'uso abituale di Internet. Dipendente. Biol. 20 415-422. 10.1111 / adb.12128 [PubMed] [Croce Ref]
Kuss DJ, Griffiths MD (2012). Dipendenza da gioco su Internet: una revisione sistematica della ricerca empirica. Int. J. Addict per la salute mentale. 10 278–296. 10.1007/s11469-011-9318-5 [Croce Ref]
Li BJ, Friston KJ, Liu J., Liu Y., Zhang GP, Cao FL, et al. (2014). Connettività dei gangli frontali-basali compromessa negli adolescenti con dipendenza da Internet. Sci. Rappresentante. 4: 5027 10.1038 / Srep05027 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Li WW, Li YD, Yang WJ, Zhang QL, Wei DT, Li WF, et al. (2015). Strutture cerebrali e connettività funzionale associate a differenze individuali nella tendenza di Internet in giovani adulti sani. Neuropsychologia 70 134-144. 10.1016 / j.neuropsychologia.2015.02.019 [PubMed] [Croce Ref]
Lin FC, Zhou Y., Du YS, Zhao ZM, Qin LD, Xu JR, et al. (2015). Circuiti funzionali corticostriatali aberranti in adolescenti con disturbo da dipendenza da Internet. Davanti. Ronzio. Neurosci. 9: 356 10.3389 / fnhum.2015.00356 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Lin MP, Ko HC, Wu JYW (2011). Prevalenza e fattori di rischio psicosociale associati alla dipendenza da Internet in un campione rappresentativo a livello nazionale di studenti universitari in Taiwan. Cyberpsychol. Behav. Soci. Netw. 14 741-746. 10.1089 / cyber.2010.0574 [PubMed] [Croce Ref]
Lorenz RC, Kruger JK, Neumann B., Schott BH, Kaufmann C., Heinz A., et al. (2013). Reattività Cue e sua inibizione nei giocatori patologici di giochi per computer. Dipendente. Biol. 18 134-146. 10.1111 / j.1369-1600.2012.00491.x [PubMed] [Croce Ref]
Meng YJ, Deng W., Wang HY, Guo WJ, Li T. (2015). La disfunzione prefrontale in soggetti con disturbo del gioco su Internet: una meta-analisi di studi di risonanza magnetica funzionale. Dipendente. Biol. 20 799-808. 10.1111 / adb.12154 [PubMed] [Croce Ref]
Moulton EA, Elman I., Becerra LR, Goldstein RZ, Borsook D. (2014). Il cervelletto e la dipendenza: intuizioni acquisite dalla ricerca di neuroimaging. Dipendente. Biol. 19 317-331. 10.1111 / adb.12101 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Naqvi NH, Bechara A. (2009). L'isola nascosta della dipendenza: l'insula. Tendenze neurosci. 32 56-67. 10.1016 / j.tins.2008.09.009 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Nichols TE, Holmes AP (2002). Test di permutazione non parametrica per neuroimaging funzionale: un primer con esempi. Ronzio. Mappatura del cervello. 15 1-25. 10.1002 / hbm.1058 [PubMed] [Croce Ref]
OReilly M. (1996). Dipendenza da Internet: un nuovo disturbo entra nel lessico medico. Può. Med. Associ. J. 154 1882-1883. [Articolo gratuito di PMC] [PubMed]
Park CH, Chun JW, Cho H., Jung YC, Choi J., Kim DJ (2015). Il cervello dipendente dal gioco su internet è vicino in uno stato patologico? Dipendente. Biol. [Epub ahead of print] .10.1111 / adb.12282 [PubMed] [Croce Ref]
Petry NM, O'Brien CP (2013). Disordine di gioco su Internet e DSM-5. Dipendenza 108 1186-1187. 10.1111 / add.12162 [PubMed] [Croce Ref]
Petry NM, Rehbein F., Gentile DA, Lemmens JS, Rumpf HJ, Mößle T., et al. (2014). Un consenso internazionale per la valutazione del disturbo dei giochi su Internet utilizzando il nuovo approccio DSM-5. Dipendenza 109 1399-1406. 10.1111 / add.12457 [PubMed] [Croce Ref]
Rorden C., Karnath HO, Bonilha L. (2007). Miglioramento della mappatura delle lesioni e dei sintomi. J. Cogn. Neurosci. 19 1081-1088. 10.1162 / jocn.2007.19.7.1081 [PubMed] [Croce Ref]
Saad ZS, Gotts SJ, Murphy K., Chen G., Jo HJ, Martin A., et al. (2012). Problemi a riposo: come i modelli di correlazione e le differenze di gruppo diventano distorti dopo la regressione del segnale globale. Brain Connect. 2 25-32. 10.1089 / brain.2012.0080 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Canzone XW, Dong ZY, Long XY, Li SF, Zuo XN, Zhu CZ, et al. (2011). REST: un kit di strumenti per l'elaborazione dei dati di risonanza magnetica funzionale a riposo. PLoS ONE 6: e25031 10.1371 / journal.pone.0025031 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Stanley ML, Moussa MN, Paolini BM, Lyday RG, Burdette JH, Laurienti PJ (2013). Definizione di nodi in reti cerebrali complesse. Davanti. Comput. Neurosci. 7: 169 10.3389 / fncom.2013.00169 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Sun YJ, Ying H., Seetohul RM, Wang XM, Ya Z., Qian L., et al. (2012). Studio fMRI cerebrale di crave indotto da immagini di cue in drogati di giochi online (adolescenti maschi). Behav. Cervello. 233 563-576. 10.1016 / j.bbr.2012.05.005 [PubMed] [Croce Ref]
Takeuchi H., Taki Y., Nouchi R., Sekiguchi A., Hashizume H., Sassa Y., et al. (2014). Associazione tra connettività funzionale a riposo e empatia / sistematizzazione. Neuroimage 99 312-322. 10.1016 / j.neuroimage.2014.05.031 [PubMed] [Croce Ref]
Talati A., Hirsch J. (2005). Specializzazione funzionale all'interno del giro frontale mediale per decisioni percettive percettive / non percorse basate su "cosa", "quando" e "dove" informazioni correlate: uno studio fMRI. J. Cogn. Neurosci. 17 981-993. 10.1162 / 0898929054475226 [PubMed] [Croce Ref]
Tzourio-Mazoyer N., Landeau B., Papathanassiou D., Crivello F., Etard O., Delcroix N., et al. (2002). Etichettatura anatomica automatizzata delle attivazioni in SPM utilizzando una parcellizzazione anatomica macroscopica del cervello mono-soggetto MRI MRI. Neuroimage 15 273-289. 10.1006 / nimg.2001.0978 [PubMed] [Croce Ref]
van den Heuvel MP, Pol HEH (2010). Esplorando la rete cerebrale: una revisione sulla connettività funzionale fMRI a riposo. Euro. Neuropsychopharmacol. 20 519-534. 10.1016 / j.euroneuro.2010.03.008 [PubMed] [Croce Ref]
Volkow ND, Fowler JS (2000). Dipendenza, malattia della compulsione e pulsione: coinvolgimento della corteccia orbitofrontale. Cereb. Corteccia 10 318-325. 10.1093 / cercor / 10.3.318 [PubMed] [Croce Ref]
Volkow ND, Fowler JS, Wang GJ (2003). Il cervello umano dipendente: intuizioni da studi di imaging. J. Clin. Investig. 111 1444-1451. 10.1172 / Jci200318533 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Volkow ND, Wang GJ, Fowler JS, Tomasi D., Telang F., Baler R. (2010). Dipendenza: diminuzione della sensibilità della ricompensa e maggiore sensibilità delle aspettative cospirano per sopraffare il circuito di controllo del cervello. Bioessays 32 748-755. 10.1002 / bies.201000042 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Volkow ND, Wang GJ, Telang F., Fowler JS, Logan J., Childress AR, et al. (2006). Spunti di cocaina e dopamina nello striato dorsale: meccanismo di desiderio nella dipendenza da cocaina. J. Neurosci. 26 6583-6588. 10.1523 / Jneurosci.1544-06.2006 [PubMed] [Croce Ref]
Wang Y., Yin Y., Sun YW, Zhou Y., Chen X., Ding WN, et al. (2015). Diminuzione della connettività funzionale interemisferica del lobo prefrontale negli adolescenti con disturbo del gioco su Internet: uno studio primario che utilizza l'fMRI a riposo. PLoS ONE 10: e0118733 10.1371 / journal.pone.0118733 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Wee CY, Zhao ZM, Yap PT, Wu GR, Shi F., Prezzo T., et al. (2014). Rete funzionale cerebrale interrotta nel disordine da dipendenza da Internet: studio di risonanza magnetica funzionale a riposo. PLoS ONE 9: e107306 10.1371 / journal.pone.0107306 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Weissenbacher A., Kasess C., Gerstl F., Lanzenberger R., Moser E., Windischberger C. (2009). Correlazioni e anticorrelazioni in MRI connettività funzionale a riposo: un confronto quantitativo di strategie di pre-elaborazione. Neuroimage 47 1408-1416. 10.1016 / j.neuroimage.2009.05.005 [PubMed] [Croce Ref]
Xia M., Wang J., He Y. (2013). BrainNet Viewer: uno strumento di visualizzazione di rete per la connettività del cervello umano. PLoS ONE 8: e68910 10.1371 / journal.pone.0068910 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Yan C., Zang Y. (2010). DPARSF: una cassetta degli attrezzi MATLAB per l'analisi dei dati "pipeline" di fMRI a riposo. Davanti. Syst. Neurosci. 4: 13 10.3389 / fnsys.2010.00013 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Yarkoni T., Poldrack RA, Nichols TE, Van Essen DC, Wager TD (2011). Sintesi automatizzata su larga scala di dati di neuroimaging funzionale umano. Nat. metodi 8 665-670. 10.1038 / nmeth.1635 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Yeo BTT, Krienen FM, Sepulcre J., Sabuncu MR, Lashkari D., Hollinshead M., et al. (2011). L'organizzazione della corteccia cerebrale umana stimata dalla connettività funzionale intrinseca. J. Neurophysiol. 106 1125-1165. 10.1152 / jn.00338.2011 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Young KS (1998). Dipendenza da Internet: l'emergere di un nuovo disturbo clinico. CyberPsychol. Behav. 1 237–244. 10.1007/s10899-011-9287-4 [Croce Ref]
Yuan K., Qin W., Yu D., Bi Y., Xing L., Jin C., et al. (2015). Interazioni delle reti cerebrali di base e controllo cognitivo in individui con disordine di gioco in Internet nella tarda adolescenza / nella prima età adulta. Brain Struct. Funz. [Epub ahead of print] .10.1007 / s00429-014-0982-7 [PubMed] [Croce Ref]
Zalesky A., Fornito A., Bullmore ET (2010a). Statistica basata sulla rete: identificazione delle differenze nelle reti cerebrali. Neuroimage 53 1197-1207. 10.1016 / j.neuroimage.2010.06.041 [PubMed] [Croce Ref]
Zalesky A., Fornito A., Harding IH, Cocchi L., Yücel M., Pantelis C., et al. (2010b). Reti anatomiche dell'intero cervello: la scelta dei nodi è importante? Neuroimage 50 970-983. 10.1016 / j.neuroimage.2009.12.027 [PubMed] [Croce Ref]
Zhang JT, Yao YW, Li CSR, Zang YF, Shen ZJ, Liu L., et al. (2015). Connettività funzionale alterata dello stato di riposo dell'insula nei giovani adulti con disturbo del gioco su Internet. Dipendente. Biol. [Epub ahead of print] .10.1111 / adb.12247 [Articolo gratuito di PMC] [PubMed] [Croce Ref]
Zhou Y., Lin FC, Du YS, Qin LD, Zhao ZM, Xu JR, et al. (2011). Anomalie della sostanza grigia nella dipendenza da Internet: uno studio di morfometria basato su voxel. Euro. J. Radiol. 79 92-95. 10.1016 / j.ejrad.2009.10.025 [PubMed] [Croce Ref]